-
公开(公告)号:CN111652287A
公开(公告)日:2020-09-11
申请号:CN202010390856.X
申请日:2020-05-11
Abstract: 本发明公开了基于卷积深度神经网络的AD量表手绘交叉五边形分类方法,步骤为:1)获取若干带有手绘交叉五边形的图像,并进行预处理;2)对预处理后的图像进行增强,并打上评估标签;以增强后的图像和评估标签建立训练数据集;3)建立卷积深度神经网络;4)将训练数据集输入到卷积深度神经网络中,利用随机梯度下降算法对卷积深度神经网络进行训练,得到手绘交叉五边形评估模型;5)将待分类图像输入到手绘交叉五边形评估模型中,获取待分类图像的评估标签,完成手绘交叉五边形的评估。本发明提出一种基于卷积深度神经网络的AD量表手绘交叉五边形分类方法,有效提高了卷积深度神经网络评分的准确率。
-
公开(公告)号:CN111860103A
公开(公告)日:2020-10-30
申请号:CN202010390890.7
申请日:2020-05-11
Abstract: 本发明公开一种基于Tensorflow目标检测的动作识别方法,主要步骤为:1)获取含有人体姿态和目标物体的视频流,并分解为若干帧图像;2)构造卷积神经网络,并训练得到目标物体识别模型;3)利用目标物体识别模型框选出每帧图像中的目标物体,并为矩形框打上类别标签;4)基于矩形框的左上角归一化坐标(xmin_nor,ymin_nor)、右下角归一化坐标值(xmax_nor,ymax_nor)确定目标物体坐标;5)对目标物体坐标进行处理;6)建立动作识别模型;7)将处理后的矩形框坐标输入到动作识别模型中,对人体姿态进行识别。本发明基于对坐标数据进行欧氏距离、相对位置提取的方法,实现了动作识别模型的建立,通过设置阈值和时序条件分析多个视频帧数据快速准确完成了动作识别。
-
公开(公告)号:CN111652076A
公开(公告)日:2020-09-11
申请号:CN202010390863.X
申请日:2020-05-11
Abstract: 本发明公开一种面向AD量表理解能力测试的姿态自动识别系统,主要包括视频流获取模块、人体关键点二维坐标提取模块、目标物体顶点二维坐标提取模块、预处理模块、姿态识别模块和数据库。本发明对AD量表中的指定动作完成情况建立了评价数学模型,基于OpenPose提取人体骨架的坐标点,配合使用了基于图像形态学处理的纸张定位算法,完成了受试者动作完成情况的评估。
-
公开(公告)号:CN111651999A
公开(公告)日:2020-09-11
申请号:CN202010390849.X
申请日:2020-05-11
IPC: G06F40/30 , G06F40/216 , G06F40/289 , G06F40/253
Abstract: 本发明公开一种面向AD量表书写能力检测的文本语义分析自动评价系统,主要包括待评估语料输入模块、训练语料获取模块、语料预处理模块、语法完整性判断模块、语义通顺度分析模块和数据库;本发明结合受试者所写中文语句的语法成分完整性和语义通顺度,判断语句是否可理解,进而判断受试者是否具有基本的书写能力,有效提高了中文语句可理解度的判断效率和准确度。
-
公开(公告)号:CN117748455B
公开(公告)日:2025-04-22
申请号:CN202311479235.9
申请日:2023-11-08
Applicant: 重庆大学
Abstract: 一种基于对抗过程的潮流越限智能调整方法,包括以下步骤:1)构造表征多种N‑1场景的潮流数据特征,得到训练集;2)构建基于全连接神经网络的潮流计算模型;3)利用训练集训练潮流计算模型,构建输入输出函数关系;4)获取不满足N‑1校验的待调整潮流状态作为越限潮流样本;5)将越限潮流样本输入至潮流计算模型中,计算潮流样本的输出和越限值,判断是否满足N‑1校验,若不满足则进行步骤6);6)基于梯度下降法和迭代策略计算出输入调整量,对越限潮流样本进行调整后,返回步骤5),直至越限潮流样本满足N‑1校验时,结束对抗过程。本发明能够基于对抗过程自动生成使越限潮流调整为满足N‑1校验的潮流状态的调整措施。
-
公开(公告)号:CN116629110B
公开(公告)日:2025-03-21
申请号:CN202310570200.X
申请日:2023-05-19
Applicant: 重庆大学
IPC: G06F30/27 , G06F17/16 , G06F113/04 , G06F119/02
Abstract: 本发明公开一种强泛化能力的最优潮流可信数据驱动求解方法,包括以下步骤:1)对最优潮流输出与输入的固定关系模型进行优化,得到最优潮流输出与输入的梯度关系模型;2)建立考虑最优潮流输出与输入的梯度关系的损失函数;3)对神经网络进行训练,得到最优潮流计算神经网络;4)将输入数据传输至最优潮流计算神经网络的隐含层;5)对输入数据进行解码,得到最优潮流输入特征,若最优潮流计算神经网络对最优潮流输入特征是适应的,则所述隐含层将最优潮流输入特征传输至输出层,解算得到最优潮流输出;本发明增强了最优潮流数据驱动计算方法对新能源渗透率变化的适应能力。
-
公开(公告)号:CN113192010B
公开(公告)日:2025-03-18
申请号:CN202110390974.5
申请日:2021-04-12
Applicant: 重庆大学
Abstract: 本发明公开纤维分割方法,步骤为:1)利用边缘检测方法提取待处理图片中所有纤维的轮廓,得到纤维轮廓图片;2)提取纤维轮廓图片中纤维的骨架,并确定纤维的中心位置,得到纤维骨架图片;3)根据纤维骨架图片,确定不同纤维的纤维交叉点和交叉点位置坐标;4)分离纤维轮廓图片中交叉的纤维;5)搜索得到与交叉点相连的游离纤维,并对所述游离纤维进行分割,从而完成处理图片中纤维的分割。本发明可以分割显微镜拍摄图片中重叠交叉的纤维,为纺织品自动化检测打通关键环节。
-
公开(公告)号:CN117435944B
公开(公告)日:2025-02-18
申请号:CN202311431213.5
申请日:2023-10-31
Applicant: 重庆大学 , 国网重庆市电力公司电力科学研究院 , 国网四川省电力公司电力科学研究院
IPC: G06F18/23213 , G06F18/20 , G06F18/213
Abstract: 本发明公开一种电力系统暂态DIM辨识方法,包括以下步骤:1)获取若干电力系统母线电压曲线和功率角曲线;2)利用K‑means聚类算法对电力系统母线电压曲线和功率角曲线进行典型故障曲线筛选和权重计算,得到母线电压失稳曲线和功率角失稳曲线;3)利用MultiRocket算法提取母线电压失稳曲线和功率角失稳曲线的多维时间序列特征;4)基于多维时间序列特征,构建基础模型,并利用Bagging集成学习和集成优化方法对基础模型进行优化,得到DIM识别模型;5)利用DIM识别模型完成电力系统暂态DIM辨识。本发明结合误差‑分歧理论,提出基于集成优化的DIM智能识别框架,提高预测准确性和可信度。
-
公开(公告)号:CN119444499A
公开(公告)日:2025-02-14
申请号:CN202411584388.4
申请日:2024-11-07
Applicant: 重庆大学 , 国网重庆市电力公司电力科学研究院 , 国网重庆市电力公司 , 国家电网有限公司
Inventor: 刘欣宇 , 段师琪 , 朱晟毅 , 余娟 , 雷雨 , 高茂胜 , 陈涛 , 杨知方 , 陈佳林 , 张同尊 , 余亚南 , 向红吉 , 方辉 , 蒋望 , 文钟谊 , 胡利宁 , 冯唐垚
IPC: G06Q50/06 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/048 , G06F18/213
Abstract: 本发明公开一种基于N/N‑1潮流内嵌图卷积神经网络的运行方式潮流耦合关系表征方法,包括以下步骤:1)提出基于N/N‑1潮流内嵌的图卷积前向传播策略,以N/N‑1潮流物理模型推导设计图卷积模块前向传播表达式;2)构建基于多层图卷积和卷积模块协同的神经网络架构;3)训练得到运行方式潮流耦合关系模型,表征电力系统N/N‑1状态下的潮流耦合关系。本发明所构建的运行方式潮流耦合关系模型能高精度表征N/N‑1状态下的潮流耦合关系,以便于后续分析电力系统中的故障诊断、稳定性评估和优化控制等关键问题。
-
公开(公告)号:CN115712992B
公开(公告)日:2025-02-14
申请号:CN202211368679.0
申请日:2022-11-03
Applicant: 国网新疆电力有限公司乌鲁木齐供电公司 , 重庆大学
IPC: G06F30/20 , G06F111/04 , G06F113/04 , G06F113/14
Abstract: 本发明公开电‑气互联系统能量流单段线性化建模方法,涉及电力系统优化技术领域,包括以下步骤:根据能量流模型线性化误差与变量状态空间的相关性,构建基于状态空间变换理论的单段线性化能量流模型;构建以气压幅值幂函数为状态空间变量的天然气系统管道流量与管道管存单段线性化模型;构建以全域最大误差最小化为目标的状态空间变量优化选取模型,并提出状态空间变量优化选取模型的拆分求解策略;建立电‑气互联系统的系统最优能量流模型;对系统最优能量流模型进行仿真验证。本发明通过变换状态空间选取、非线性天然气模型单段线性处理为电‑气互联系统的优化决策提供精度高、表征复杂度低的基础模型,提升优化决策计算效率。
-
-
-
-
-
-
-
-
-